2018年3月23日上午十點，來自複旦大學的特聘教授王昕教授帶來了《融合統計學習的低時延高效能無線資源配置》的學術講座，本次講座由通信抗幹擾技術國家級重點實驗室主辦，通信抗幹擾實驗室研究生會承辦。

首先，王教授介紹到：“5G不再單純地強調（峰值）傳輸速率，同時也對通信時延提出了嚴格的要求，因此可以通過增加移動寬帶或犧牲部门能譜效來降低時延。”在信道等系統狀態動態變化時，迫近理論最優的網絡效能需要通過允許一定的網絡時延來獲取。爲應對未來移動通信低時延和超高（能、譜）效的雙重需求，王教授提出將（基于網絡狀態樣本的）統計機器學習揉入隨機次梯度要领來爲未來無線網絡設計“學習並適應”的動態資源調度機制。

接著，王教授對隨機次梯度要领的具體內容和不足之處進行了細致的講解。基于拉格朗日對偶函數的“隨機”次梯度的設計叠代算法，不需要先驗統計信息，“邊調度邊學習”趨近最優战略，通過基于隊列長度的簡單操作，獲得最優效率且保障網絡穩定性。但同時由于高效能也伴隨著高時延，因此這種要领存在著收斂速度慢的問題。

由于隨機優化要领只使用當前網絡狀態信息進行管控決策，曆史狀態樣本未被利用減少系統未來的不確定性，因此還要加入統計學習，包罗對海量曆史系統狀態樣本的離線學習和在線資源管控。最後，王教授對此種要领在實際生活中的應用也進行了介紹，包罗雲數據網負載均衡配置、智能電網電力均衡配置和都市门路交通制。

在最後的提問交流環節，主講人認真聽取了在場師生的提問，並做了耐心和細致的回覆，學術討論氛圍濃厚。本次學術講座取得了圓滿乐成。